Docking, dinâmica molecular e redes neurais artificiais na busca por flavonoides anti-RSV

• Autor(a) principal: Costa, Mírian Feliciano da
• Data de Publicação: 2018
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/180578
• topic: RSV; Quercetina; Derivado de quercetina; Proteína F; Dinâmica molecular; Redes neurais artificiais; Docking; Quercetin; Quercetin derivative; F protein; Molecular dynamics; Artificial neural networks

Respirar é essencial à sobrevivência humana, tal que o trato respiratório é alvo frequente de patógenos. O Vírus Sincicial Respiratório (RSV) causa bronquiolite e pneumonia, especialmente em recém-nascidos e idosos, o que resulta em milhões de mortes e hospitalizações. Sua glicoproteína de superfície F – proteína de fusão – é responsável pela fusão do envelope viral à membrana celular. Diversos flavonoides demonstram atividade anti-RSV por meio do mecanismo virucida. Assim, os objetivos desse trabalho foram analisar a interação da proteína F modelada neste trabalho (RSVmF) com o flavonoide quercetina, seu derivado pentacetilado (Q1) e um ligante-referência (JNJ- 2408068) por docking e dinâmica molecular (DM). Ademais, elaboramos uma rede neural artificial (ANN) assessorada pelo algoritmo genético para predizer a capacidade anti- RSV de flavonoides. A modelagem da estrutura completa da proteína F, os dockings, a DM, e a ANN foram realizados, respectivamente, no servidor I-TASSER, no Auto- Dock/Vina 1.1.2., no Amber/14, e na plataforma Matlab®. Os experimentos de docking indicaram que os três ligantes preenchem a cavidade central de RSVmF e apresentam energia de interação em torno de -6,5 kcal/mol. Análises de DM revelaram tendência ao escape da cavidade para quercetina, enquanto Q1 e ligante-referência permanecem nela. Cálculos de MM-GBSA mostraram ΔG (kcal/mol) dos complexos RSVmFquercetina= -4,92, RSVmF-Q1= -14,22, e RSVmF-inibidor = -22,78. Logo, a acetilação da quercetina aumentou sua capacidade virucida por favorecer a interação com a cavidade de RSVmF. Quanto à ANN, os resultados obtidos a partir de uma amostra (n=240 dados, referentes a 70 flavonoides), indicaram três possíveis modelos de predição, dentre os quais ANN-g2 obteve uma acurácia de 90% para predição de flavonoides “ativos” e 93,3% para “inativos”. O principal ganho referente ao nosso estudo é o respaldo à relevância de um planejamento racional de procedimentos experimentais, pela exclusão preliminar de flavonoides inativos e a pré-seleção de ativos.